Apport de la télédétection spatiale pour le suivi des eaux de surface

Get Complete Project Material File(s) Now! »

Apport de la télédétection spatiale pour le suivi des eaux de surface

Les différentes composantes qui forment le réservoir d’eau de surface constituent la source principale d’eau douce et courante sur Terre. Leur étude est donc primordiale. Cependant, nous avons vu les nombreuses contraintes d’observation associées à l’utilisation de stations in situ. Il apparait alors nécessaire de mettre en place des méthodes complémentaires pour constituer une banque mondiale de données homogènes et pérennes, afin d’obtenir différents paramètres hydrologiques (hauteurs d’eau, débit, surface en eau…) dans les grands bassins fluviaux, et avec des données mises à jour régulièrement. Or, depuis quelques années, de nombreuses études ont montré le potentiel de la télédétection satellitaire pour répondre à cette problématique (Alsdorf et al., 2003).

Avantages et inconvénients de l’utilisation des données satellitaires

Les données satellitaires fournissent une information complémentaire, et parfois alternative, aux données in situ pour étudier la dynamique et les processus hydrologiques au niveau des bassins versants. Parmi les avantages associés aux systèmes d’observations depuis l’espace, on peut citer les suivants :
– elles apportent une information synoptique appropriée pour l’étude des systèmes caractérisés par de grandes échelles spatiales;
– elles fournissent un renseignement global dont les produits sont soumis à des standards en termes de traitements, de qualification des incertitudes, ou encore, d’accessibilité;
– la télédétection spatiale permet d’accéder à des endroits inaccessibles.
Cependant, leur utilisation présente également des limitations. Cet outil ne permet pas de réaliser des suivis hautes fréquences ou encore, d’obtenir une information suivant la verticale, notamment pour l’étude des milieux aquatiques. D’autre part, l’imagerie multi-spectrale est dépendante des conditions météorologiques et particulièrement de la présence de nuages qui va réduire le nombre de données exploitables.

Généralités

La télédétection spatiale est définie comme « un ensemble de connaissances et de techniques utilisées pour déterminer des caractéristiques physiques et biologiques d’objets par des mesures effectuées à distance, sans avoir de contact matériel avec ces derniers » (Journal Officiel, 11 décembre 1980). La saisie des données s’effectue à partir de capteurs embarqués sur des plates-formes satellitaires, aéroportées, ballon ou au sol. On s’intéressera ici uniquement aux plateformes satellitaires.
Les capteurs embarqués se divisent en deux grandes catégories : les capteurs actifs et les capteurs passifs. Les capteurs passifs mesurent les niveaux d’énergie qui sont naturellement émis, réfléchis ou transmis par la cible (Figure 1.8a). La cible est généralement la source du rayonnement et les capteurs enregistrent ensuite les radiations réfléchies et/ou émises. Ils ne peuvent donc ni observer la nuit, à l’exception d’enregistrer dans le proche infrarouge, ni à travers les nuages. Les capteurs actifs fournissent, quant à eux, leur propre source d’énergie pour illuminer l’objet à étudier (Figure 1.8b).
Les spécificités orbitales de chaque mission et les caractéristiques instrumentales de chaque capteur permettent de définir les résolutions spatiales, temporelles, spectrales et radiométriques. La résolution spatiale correspond à la surface élémentaire d’échantillonnage observée par le capteur, couramment appelé pixel (signifiant « picture element »). La résolution temporelle, également appelée répétitivité, se réfère à la période de temps entre deux acquisitions de la même scène. La résolution spectrale correspond à la largeur des bandes spectrales utilisée pour enregistrer le signal électromagnétique. Enfin, la résolution radiométrique est la capacité d’un système à distinguer deux niveaux d’énergies voisins.
En télédétection spatiale, que ce soit pour l’imagerie optique ou pour l’altimétrie radar, le signal physique sur lequel repose toute mesure est le rayonnement électromagnétique (REM). L’exploitation et l’analyse du REM seront détaillées dans le chapitre 2. Les sections suivantes présentent les observables issues des données satellitaires permettant l’étude de l’hydrologie en zone côtière.

Hauteurs d’eau

L’altimétrie radar a été développée dans les années 70, avec le lancement du satellite Skylab 3 disposant à son bord du premier altimètre radar lancé en 1973, avec une précision de 0,6 m. L’objectif initial de cette méthode était d’étudier la topographie des océans, mais elle a été rapidement utilisée pour d’autres applications comme l’étude des calottes glaciaires et des eaux continentales (Birkett, 1995 ; Cazenave et al., 1997 ; Crétaux et al., 2011 ; Frappart et al., 2006a ; Santos Da Silva et al., 2012).
Le satellite Topex/Poséidon, lancé en 1992, a été le précurseur de ces nouvelles applications avec notamment l’étude des grands lacs américains (Birkett, 1995 ; Birkett, 1998 ; Mercier et al., 2002 ; Coe et Birkett, 2005 ; Medina et al., 2008 ; Crétaux et al., 2011). Par la suite, cette méthode s’est développée sur les mers intérieures (Cazenave et al., 1997 ; Birkett et al., 1995), sur les rivières (Leon et al., 2006 ; Santos Da Silva et al., 2010 ; Papa et al., 2010) et sur les plaines d’inondation (Frappart et al., 2008 ; Frappart et al., 2011 ; Papa et al., 2015 ; Santos Da Silva et al., 2010 ; Santos Da Silva et al., 2012). Plus récemment, elle a été utilisée dans l’étude des grands bassins fluviaux, notamment par Birkett, pionnière en 1995 sur le bassin amazonien puis par de nombreuses équipes qui ont amélioré la qualité des estimations des niveaux d’eau (Calmant et al., 2013 ; Frappart et al., 2006a ; Frappart et al., 2015 ; Schwatke et al., 2015 ; Seyler et al., 2013 ; Tourian et al., 2016). Toutes ces études ont permis de montrer la capacité de l’altimétrie satellitaire à calculer des hauteurs d’eau de différents corps continentaux, comme les lacs, rivières ou plaines d’inondation. Toutes les applications possibles de l’altimétrie radar sont résumées dans Crétaux (2017). Des études plus récentes ont permis d’estimer les débits des rivières (Bjerklie et al., 2003 ; Tarpanelli et al., 2017 ; Bogning et al., 2018).
L’altimétrie radar permet d’obtenir de longues séries temporelles de hauteurs d’eau depuis le début des années 1990, et d’établir ainsi un lien avec des phénomènes climatiques (Birkett et al., 1999 ; Mercier et al., 2002 ; Maheu et al., 2003 ; Medina et al., 2008 ; Frappart et al., 2018).

Surfaces en eau

Les surfaces en eau peuvent être détectées à partir de capteurs optiques, par exploitation des bandes spectrales situées dans le visible (VIS) et le proche infrarouge (PIR), ou par des capteurs radars à Synthèse d’Ouverture (RSO ou SAR, pour « Synthetic Aperture Radar »). Dans le cadre de mon travail, j’ai exploité uniquement les données issues des missions optiques. Je vais donc présenter ici la première méthode, qui est la plus communément utilisée dans la communauté scientifique.
L’imagerie optique multi-spectrale permet d’identifier différents types de surfaces continentales comme les couverts végétaux, les sols nus, ou encore les surfaces en eau. La distinction est possible en exploitant les caractéristiques spectrales de chaque élément, appelée signature spectrale (Colwell, 1974 ; Jacquemoud et al., 1992 ; Knipling, 1970 ; Lyzenga, 1978 ; Price, 1990). Elle correspond à la forme du spectre du signal radiatif mesuré par un capteur, proportionnelle à l’intensité radiative émise ou réfléchie dans chaque bande spectrale par la surface cible (Figure 1.9). En général, le spectre est associé à une mesure de réflectance qui est définie comme le rapport entre le flux radiatif réfléchi et le flux radiatif incident. Ainsi, chaque élément dispose de sa propre signature spectrale, qui est liée à la nature et aux caractéristiques intrinsèques de ce dernier.
Prenons l’exemple de la végétation et de l’eau (Figure 1.9). Dans le cas de la végétation, la présence de chlorophylle va absorber dans le bleu et le vert, et donc impacter sa signature spectrale dans le VIS (400-700 nm). Dans le PIR (700-1 300 nm) et l’infrarouge court (IRC, 1 300-2 500 nm), la structure du feuillage de la végétation et la présence d’eau vont modifier la signature, respectivement.
La signature spectrale peut varier en fonction de la structure des cellules et de la présence d’eau (Jones et Vaughan, 2010). Une même espèce peut présenter des spectres différents dus à l’âge de la plante, son niveau de croissance, et la présence ou non de maladies (Monteith et Unsworth, 2013). L’eau a une signature spectrale très différente de la végétation, notamment dans le PIR en raison de la très forte absorbance au-delà du rouge (Jones et Vaughan, 2010). En outre, la signature spectrale de l’eau sera modulée par différents facteurs comme la turbidité, la profondeur d’eau et la chlorophylle (Lyzenga, 1978 ; Ma et al., 2019).
Depuis le lancement du satellite Landsat-1 en 1972, l’utilisation de l’imagerie optique pour détecter les surfaces en eau n’a cessé de croître jusqu’à aujourd’hui. En effet, selon l’étude de Huang et al. (2018), le nombre d’études concernant cette thématique a très fortement augmenté depuis 2000 (Figure 1.10). Ceci témoigne de l’importance d’étudier cette thématique et de l’intérêt porté de plus en plus important par les scientifiques au regard de celle-ci.
Une valeur de réflectance quasi nulle dans le PIR pour les surfaces en eau a permis de développer différents types de méthodes pour détecter ce type de surface. Il existe plusieurs manières d’extraire les surfaces en eau à partir d’imagerie multi-spectrale.
La première méthode consiste à détecter les surfaces en eau en prenant uniquement une bande spectrale (Frazier et Page, 2000). Des classifications supervisées et non supervisées peuvent être appliquées sur les images. Plusieurs classes sont obtenues et il suffit d’identifier celles correspondant aux surfaces en eau. Certains auteurs ont également créé des arbres de décision (Acharya et al., 2016 ; Olthof, 2017). Cependant ces approches, développées sur certaines zones, ne sont pas assez robustes pour être généralisées à d’autres sites (Huang et al., 2018).
La méthode la plus employée dans cette thématique est l’utilisation d’indices spectraux, correspondant à un rapport entre plusieurs bandes (simple rapport, rapport entre deux bandes, rapport entre trois bandes et plus) (Huang et al., 2012 ; Chen et al., 2013 ; Acharya et al., 2016). De nombreux indices ont été développés pour étudier les surfaces en eau, et l’étude de Ma et al. (2019) en fait un résumé. L’indice le plus connu, et créé en premier, est le Normalized Difference Water Index (NDWI) qui utilise les bandes dans le vert et rouge (Gao,1996 ; McFeeters, 1996). Il a été utilisé pendant de nombreuses années mais depuis une décennie, une nouvelle génération d’indices est apparue, utilisant cette fois-ci la bande dans l’IRC (ou SWIR pour « Short Wave Infrared »). L’indice NDWI a ainsi été amélioré, en prenant la bande dans l’IRC à la place du PIR, donnant naissance à l’indice mNDWI (Xu, 2006). Par la suite, les indices se sont succédés (Xiao et al., 2005 ; Jiang et al., 2014 ; Feyisa et al., 2014 ; Fisher et al., 2016 ; Zou et al., 2017 ; Ma et al., 2019).
Cette méthode combine plusieurs bandes spectrales, ce qui permet de normaliser les données et diminuer les effets environnementaux et d’illumination (Chen et al., 2013). Elle est donc plus robuste. Cependant, l’étape critique dans l’utilisation d’indices spectraux est la définition du seuil (Huang et al., 2018). Généralement, la valeur 0 pour le NDWI et mNDWI est sélectionnée pour détecter les surfaces en eau, mais elle peut être ajustée selon les zones dans le but d’obtenir de meilleurs résultats (Ji et al., 2009).
Enfin, une autre approche consiste à combiner plusieurs indices (indices de végétation et d’eau, par exemple) pour délimiter les surfaces en eau (Sakamoto et al., 2007 ; Lu et al., 2011 ; Guerschman et al., 2011 ; Crétaux et al., 2011).
La résolution spatiale et temporelle de l’imagerie permet d’étudier les variations spatio-temporelles des surfaces en eau sur de longues archives. Pour pouvoir étudier les variations des volumes d’eau de surface, il est nécessaire de combiner les surfaces en eau avec les hauteurs d’eau altimétriques obtenues par altimétrie radar.

Matières en suspension (MES)

La Directive-Cadre sur l’Eau est une directive du parlement européen adoptée en 2000. Elle vise à prévenir et réduire la pollution de l’eau, promouvoir son utilisation durable, protéger l’environnement, améliorer l’état des écosystèmes aquatiques (zones humides) et atténuer les effets des inondations et des sécheresses. L’objectif général de cette directive est d’atteindre, d’ici quelques années, le bon état écologique et chimique des masses d’eau souterraines et de surface, incluant les eaux côtières et de transition. Un suivi régulier de ces eaux a été mis en place. C’est pour cela que différents paramètres sont à étudier, notamment les matières en suspension (MES).
Le domaine scientifique qui permet l’étude de ce paramètre en télédétection spatiale est appelé la radiométrie de la couleur de l’eau (RCE). Les méthodes associées sont des outils puissants pour le management des ressources et des activités (IOCCG rapport n°17, 2018). La RCE a débuté à la fin des années 70 avec le lancement du satellite Nimbus-7 dédié à la couleur de l’eau, et disposant à son bord le capteur CZCS (Coastal Zone Color Scanner). Depuis, une succession de satellites a été lancée, et les capteurs SeaWIFS (Sea-viewing Wide Field-of-View Sensor), MODIS (MODerate Resolution Imaging Spectroradiometer) et MERIS (MEdium Resolution Imaging Spectrometer) sont les plus utilisés dans la communauté RCE.
La RCE permet de mesurer les propriétés de la couche superficielle des systèmes aquatiques marins ou continentaux. Il s’agit par exemple des paramètres optiques et biogéochimiques (concentration en chlorophylle, MES, carbone organique particulaire, matière dissoute colorée). Ceci est possible par l’analyse du signal radiométrique émis par la surface de l’eau, qui dépend des différents composants particulaires et dissous présents dans la colonne d’eau et des propriétés physiques.
Le principe de la RCE se divise en deux grandes étapes (IOCCG rapport n°3, 2000). La première consiste à appliquer des corrections atmosphériques pour extraire la réflectance de surface du signal mesuré par le capteur. Cette dernière ne représente environ que 10 à 20 % du signal total mesuré par le capteur (Kay et al., 2009). La deuxième étape consiste à appliquer des algorithmes bio-optiques pour retrouver le paramètre souhaité. Ces derniers sont classés en trois catégories. Les algorithmes empiriques sont basés sur des relations statistiques entre le paramètre recherché (ici MES) et les propriétés optiques apparentes (AOPs). Ce type d’algorithme est facile à mettre en œuvre mais reste souvent très peu généralisable à d’autres sites d’étude (Dorji et Fearns, 2016). Les algorithmes analytiques sont transposables à d’autres sites d’études mais il est nécessaire de connaitre les propriétés physiques de la colonne d’eau en question, ce qui n’est pas toujours facile à acquérir. Les algorithmes semi-analytiques ont donc les avantages et les limitations des deux autres types d’algorithmes, cités précédemment ; c’est pourquoi il est préférable de les utiliser (Dorji et Fearns, 2016).
Depuis une décennie, les algorithmes destinés à déterminer les concentrations en MES n’ont cessé de se développer. Ils sont généralement développés dans des régions particulières et leur transférabilité sur d’autres sites d’étude est souvent limitée dû à des eaux optiquement différentes. Leur utilisation dans des régions similaires nécessite généralement une re-calibration avec des données in situ. Cependant, certaines études ont développé des algorithmes généralisés, applicables à différentes zones d’étude avec des gammes de concentrations en MES très variables (Han et al., 2016 ; Novoa et al., 2017).

Problématique, objectifs et plan de la thèse

Problématique de la thèse

L’anticipation et l’adaptation de nos sociétés aux bouleversements résultants du changement climatique sont aujourd’hui des questions majeures guidant l’action publique et l’activité économique. Le changement climatique impacte l’ensemble du système Terre, et nécessite l’appréhension du fonctionnement et des dynamiques spatio-temporelles des surfaces et interfaces continentales, bases physiques de nos sociétés. Il est donc nécessaire de comprendre leur fonctionnement pour les appréhender au mieux puisque la prévision reste de nos jours un défi essentiel. Cependant, en raison des fortes incertitudes existantes, il est essentiel de continuer à progresser dans la compréhension des mécanismes à l’origine de ces forts bouleversements pour anticiper et gérer au mieux leurs évolutions à moyen et long terme.
Au XXIème siècle, la gestion des ressources hydriques représente un problème majeur de notre société de par sa disponibilité et répartition sur Terre. La description de leurs évolutions en lien avec le changement climatique et la pression anthropique est primordiale. Au sein du cycle hydrologique, le réservoir de surfaces, composé de lacs, rivières et plaines d’inondation, occupe une place importante puisqu’il est l’une des principales ressources en eau des écosystèmes et des populations. Cependant, la dynamique des stocks d’eau de surface est toujours mal connue aux échelles régionales et globales. Au sein du bassin versant, les variations temporelles de ce réservoir sont principalement liées aux précipitations, à l’évaporation des sols, à la transpiration des végétaux et à l’écoulement de l’eau vers la mer. Pour décrire et comprendre ces variations, résultant à la fois de l’activité humaine, du changement climatique et de la variabilité naturelle, des observations globales et continues sont nécessaires. Cependant, les méthodes traditionnelles d’observation in situ (de débits et hauteurs d’eau) sont en nombre limité, situées à des localisations précises et sont donc peu représentatives des environnements à l’échelle du bassin versant. Des modèles hydrologiques régionaux et globaux ont été développés mais nécessitent des données fréquentes et renouvelées pour leur bon fonctionnement et leur validation.
Depuis deux décennies environ, les différentes techniques spatiales de télédétection comme l’imagerie multi-spectrale, l’altimétrie radar, et la gravimétrie apportent des informations nécessaires sur de nombreux paramètres hydrologiques : précipitations, niveaux d’eau des lacs, des fleuves, des plaines, humidité des sols, variations des stocks d’eau en surface… Concernant la thématique des variations d’eau de surface, la télédétection satellitaire offre désormais la possibilité d’effectuer un suivi des stocks d’eau de surface en utilisant la complémentarité entre l’imagerie multi-spectrale, permettant de cartographier les étendues inondées, et l’altimétrie fournissant des séries temporelles de hauteur d’eau des hydro systèmes continentaux. Ce récent type de données doit permettre, à plus long terme, de réaliser des avancées significatives en hydrologie (Prospectives SIC, CNRS, 2013).
En parallèle de l’altimétrie satellitaire, la télédétection de la couleur de l’eau tient une place primordiale et permet de suivre les paramètres biogéochimiques présents à la surface de l’océan et de définir l’état écologique d’un environnement. Cette problématique fait partie des objectifs menés dans le cadre de la Directive de l’Eau, au niveau européen. Plusieurs paramètres clés sont à définir pour pouvoir décrire l’état d’un environnement notamment par l’étude des matières en suspension (MES) et la chlorophylle.
Depuis le milieu des années 1990, la multiplication des missions multi-spectrales à moyenne résolution (< 1 km de résolution spatiale) et des altimètres radars à haute précision (comprise entre 10 et 30 cm) permet de réaliser un suivi hebdomadaire à mensuel des volumes d’eau de surface dans les grands bassins fluviaux. D’autre part, la pérennité des observations est aujourd’hui assurée par les missions prévues dans le cadre du « decadal survey » de la NASA et du programme Copernicus de l’ESA.

Objectifs et organisation de la thèse

Ma thèse s’inscrit dans ce contexte. L’objectif général est de tirer le meilleur parti de la complémentarité entre ces différents types d’observations spatiales pour évaluer les ressources en eau du réservoir de surface et mesurer leur dynamique. Le but final est d’étudier les transferts d’eau entre le continent et l’océan en utilisant les concentrations de MES comme traceurs des masses d’eau (Figure 1.11). Pour cela, les bilans d’eau de surface ont été étudiés à travers le bassin versant, ainsi que les transferts de matière le long de l’estuaire. Ces trois étapes sont schématisées dans la Figure 1.11.
Figure 1.11. Transferts d’eau et de matière le long du continuum bassin versant – océan côtier
Mon manuscrit se divise en 6 chapitres. Le chapitre 1 est dédié à l’introduction.
Le chapitre 2 expose les différents types de données satellitaires utilisées dans ma thèse et le principe physique associé à chaque type de mission. Dans un premier temps, l’altimétrie spatiale et les missions altimétriques ont été définies, ainsi que les méthodes de traitement. Ensuite, le principe de l’imagerie multi-spectrale a été expliqué ainsi que son utilisation dans les applications en couleur de l’eau et pour la détection des surfaces en eau.
Le chapitre 3 développe la validation des hauteurs d’eau altimétriques à partir de données in situ. Cette étape, bien que nécessaire, n’est pas toujours possible dans les différents bassins. Une succession de missions altimétriques (ERS-2, ENVISAT, SARAL, Jason-1, Jason-2, Jason-3 et Sentinel-3) a été utilisée pour évaluer leurs performances.
Le chapitre 4 décrit les variations spatio-temporelles des volumes d’eau de surface dérivées de la combinaison de l’altimétrie spatiale et de l’imagerie. Cette étude, basée sur 15 ans d’archives, combine l’utilisation de l’imagerie MODIS avec les données altimétriques (ERS-2, ENVISAT, SARAL).

Table of contents :

Chapitre I – Introduction
1.1. Contexte
1.1.1. Le cycle hydrologique et ses réservoirs
1.1.2. Variabilité climatique et impact sur les ressources en eau
1.1.3. Contraintes d’observation des bassins versants
1.2. Apport de la télédétection spatiale pour le suivi des eaux de surface
1.2.1. Avantages et inconvénients de l’utilisation des données satellitaires
1.2.2. Généralités
1.2.3. Hauteurs d’eau
1.2.4. Surfaces en eau
1.2.5. Matières en suspension (MES)
1.3. Problématique, objectifs et plan de la thèse
1.3.1. Problématique de la thèse
1.3.2. Objectifs et organisation de la thèse
Chapitre II – Matériels et méthodes
2.1. Altimétrie satellitaire
2.1.1. Principe de la mesure
2.1.2. Corrections
2.1.3. Forme d’onde
2.1.4. Fréquence des bandes : Ku, C, S, Ka
2.1.5. Nouveaux altimètres
2.1.5.1. Avantages de l’utilisation de la bande Ka
2.1.5.2. Altimétrie SAR
2.1.6. Missions altimétriques
2.1.6.1. Missions altimétriques à 35 jours : ERS-2, ENVISAT, SARAL
2.1.6.2. Missions altimétriques à 10 jours : Jason-1 Jason-2, Jason-3
2.1.6.3. Mission altimétrique à 27 jours : Sentinel-3
2.1.7. Méthodes : traitement des données altimétriques
2.1.7.1. Séries temporelles de hauteurs d’eau
2.1.7.2. Estimation des volumes d’eau en surface
2.2. Imagerie multi-spectrale
2.2.1. Généralités
2.2.2. Couleur de l’eau
2.2.2.1. Les corrections atmosphériques
2.2.2.2. Les algorithmes bio-optiques
2.2.2.3. Missions spatiales
2.2.3. Détermination des surfaces en eau
Chapitre III – Validation des hauteurs d’eau altimétriques
3.1. Résumé
3.2. Article : « Evolution of the performances of radar altimetry missions from ERS-2 to Sentinel-3A over the Inner Niger Delta »
3.2.1. Introduction
3.2.2. Method
3.2.2.1. Principle of Radar Altimetry and Data Processing
3.2.2.2. Validation of the Altimetry-Based Water Levels
3.2.3. Study Area and Datasets
3.2.3.1. Study Area
3.2.3.2. Radar Altimetry Data
3.2.3.3. In Situ Water Levels
3.2.4. Results
3.2.4.1. Direct Validation of the Altimetry-Based Water Stages
3.2.4.2. Intermission Water Stage Comparison
3.2.4.3. Multi-Missions Time Series on Floodplains
3.2.4.4. Consistency of the Altimetry-Based Water Levels in the Inner Niger Delta (IND) .. 123
3.2.5. Discussion
3.2.6. Conclusions
Chapitre IV – Quantification des stocks d’eau dans de grands bassins fluviaux
4.1. Résumé
4.2. Article: « Quantification of surface water volume changes in the Mackenzie Delta using satellite multi-missions data »
4.2.1. Introduction
4.2.2. Study region
4.2.3. Data sets
4.2.3.1. Multispectral imagery
4.2.3.2. Radar altimetry data
4.2.3.3. In situ water levels and discharges
4.2.4. Methods
4.2.4.1. Quantification of surface water extent
4.2.4.2. Validation of MODIS retrievals using OLI
4.2.4.3. Satellite-derived water level time-series in the Mackenzie Delta
4.2.4.4. Surface water volume storage
4.2.5. Results
4.2.5.1. MODIS-based land water extent and their validation
4.2.5.2. Alimetry-based water levels and their validation
4.2.5.3. Time series of surface water storage anomalies in the Mackenzie Delta
4.2.6. Discussion
4.2.6.1. Spatio-temporal dynamics of surface water extent
4.2.6.2. Spatio-temporal dynamics of surface water levels in the Mackenzie delta
4.2.6.3. Spatio-temporal dynamics of surface water storage
4.2.7. Conclusion
4.2.8. Acknowledgments
Chapitre V – Etude de la variabilité des matières en suspension comme traceur de la dynamique hydro-sédimentaire
5.1. Introduction
5.2. Site d’étude
5.3. Matériels et méthodes
5.3.1. Couleur de l’eau
5.3.2. Données environnementales
5.3.3. Traitement statistique des données
5.4. Résultats et discussion
5.4.1. Description des forçages environnementaux
5.4.2. Exercice d’inter-comparaison entre les trois algorithmes de MES
5.4.3. Distribution spatiale moyenne des MES
5.4.4. Principales structures spatiales des MES en mode T
5.4.5. Sections longitudinales et transversales dans l’estuaire
5.5. Conclusion
Chapitre VI – Conclusion et perspectives
6.1. Conclusion
6.2. Perspectives
6.2.1. Potentiel des nouvelles missions en imagerie multi-spectrale
6.2.2. Apport de la future mission altimétrique SWOT
6.2.3. Application des outils à d’autres sites d’étude
6.2.4. Synergie entre la couleur de l’eau et l’altimétrie
Production scientifique

GET THE COMPLETE PROJECT